Yan Chang
NVIDIA
収録論文 14本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 産業用ReMEmbR：ロボット群への時空間メモリのスケーリングロボット群メモリ2026/10/20
倉庫ロボット群の映像をオンデマンドで意味記憶化する共有時空間メモリシステムを提案し、エッジとサーバでモデルを分割して計算・通信コストを削減した。
- 屋内物流のためのフィジカルAI：産業用移動ロボットにおけるCosmos拡張COMPASSナビゲーションのNVIDIA sim-to-realエコシステムのベンチマークsim2real2026/10/20
NVIDIAのX-MobilityとCOMPASSを用い、デジタルツインとCosmosによるsim-to-real拡張で学習したナビゲーション方策を実機の産業用ロボットに展開し、成功率・効率・安全性などで既存スタックと比較評価した。
- 物理語彙でロボット操作の潜在推論を構造化する基盤モデルVLA2026/10/19
動作を表す原子動詞を『物理語』として潜在表現の意味的アンカーに用い、将来の観測と整合する形で自己回帰的に予測することで、ロボット操作の構造化された推論を実現した基盤モデル。
- Hydra-0: 汎用世界モデリングと制御のためのアクションフロー世界モデル2026/8/18
ロボットの動作をピクセル運動として表現するアクションフローを用いた汎用世界モデルを提案し、動作誤差を大幅に低減し、ゼロショット合成やデータ効率的な適応を実現した。
- 人間のデモから接触力ガイダンスを用いた器用操作の学習器用操作2026/7/1
人間のデモから物体に加わる力・トルク空間でガイダンスを作り、強化学習で長期的な器用操作を学習するフレームワークCHORDを提案。大規模ベンチマークで高い成功率を示し、実世界にも転移可能。
- Cosmos 3: 物理AIのための全モーダル世界モデルVLA2026/6/1
言語、画像、動画、音声、行動を統一的に扱う全モーダル世界モデルを提案し、理解・生成タスクでSOTAを達成した。
- AGILE：ヒューマノイドの移動操作学習のための包括的ワークフローヒューマノイド/移動操作/sim2real2026/3/1
シミュレーションから実機への移行を容易にするため、環境検証から訓練、評価、展開までを標準化したヒューマノイド強化学習のエンドツーエンドワークフローAGILEを提案し、5つのスキルと2つのハードウェアで有効性を示した。
- SONIC: 自然なヒューマノイド全身制御のための運動追跡の超大規模化ヒューマノイド制御2025/11/1
運動追跡をスケーラブルなタスクと位置づけ、モデル容量・データ・計算量を大規模化することで、自然で堅牢な全身運動が可能な汎用ヒューマノイド制御器を構築した研究。
- Isaac Lab：マルチモーダルロボット学習のためのGPU加速シミュレーションフレームワークsim2real2025/11/1
GPU並列物理演算とフォトリアル描画を統合し、強化学習・模倣学習を大規模に実行できるロボット学習用シミュレーションプラットフォームを提案。
- COMPASS: 残差強化学習とスキル統合によるクロスエンボディメント移動ポリシーsim2real2025/2/1
単一のロボットの模倣学習デモのみから出発し、残差強化学習で適応させ、エンボディメント埋め込みで一般化ポリシーに蒸留することで、多様な機体にまたがる移動を実現した研究。
- X-Mobility：世界モデリングによるエンドツーエンドの汎化可能なナビゲーションナビゲーション2024/10/1
潜在状態空間を持つ自己回帰的な世界モデルと多頭デコーダを組み合わせ、行動方策と分離して学習することで、未知環境でも汎化するナビゲーションモデルを実現した。
- ReMEmbR：ロボットナビゲーションのための長期時空間記憶の構築と推論ナビゲーション2024/9/1
ロボットが長期間のナビゲーション履歴を記憶し、時空間的な質問に答えるための検索拡張記憶システムReMEmbRを提案。NaVQAデータセットを構築し、低遅延で効果的な長期推論を実現した。
- SafetyNet：機械学習ポリシーを用いた実世界自動運転の安全計画自動運転2021/9/1
人間の運転デモから学習したMLプランナにルールベースの安全チェック層を組み合わせ、サンフランシスコ市街で実車を完全制御しつつ衝突を95%削減した。
- 自動運転車のための最適LiDAR配置手法センサ配置最適化2018/5/1
LiDARの物理特性に基づく知覚モデルを構築し、格子分割と円柱近似で非線形最適化を解くことで、ピッチ角・ロール角・位置を含む最適配置を求める手法を提案した。
